CN109784185A - 基于微表情识别的客户餐饮评价自动获取方法及装置 - Google Patents

Abstract

本公开是关于一种基于微表情识别的客户餐饮自动评价获取方法及装置，属于微表情识别应用技术领域，该方法包括：从客户用餐位置的摄像装置获取客户用餐时的视频；从获取的视频中提取包含客户脸部的特定大小的视频帧序列；利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。该方法通过获取客户用餐时的包含真实感受的面部视频，将视频分解为帧后利用微表情识别提取几个具有微表情变化的视频帧后，根据微表情自动、准确获取客户对于餐饮的评价。

Description

基于微表情识别的客户餐饮评价自动获取方法及装置

技术领域

本公开涉及微表情识别应用技术领域，具体而言，涉及一种基于微表情识别的客户餐饮评价自动获取方法及装置。

背景技术

餐饮评价就是客户在一次用餐时，对一次用餐的整体评价。目前，获取客户一次用餐的餐饮评价的方法主要有：经常针对用餐客户会进行调研，获取对用餐的评价时利用网上评价，但是好评有可能是刷好评造成；客人用餐时实时询问，但是在用餐时间进行询问对客户来说不是很好的体验；调查问卷，但是这种书面的行为往往不是最真实的想法。目前的获取方式都是人工进行的，同时，这样的人工的方式不仅耗费成本高，而且结果往往不够满意。

客户在用餐的时候会自然地根据对菜品的感受在脸部的各个部位出现微表情的变化，这些微表情的变化反映出客户对这些菜品的最真实的感受，也就是用餐的内在评价；所以，可以利用基于AI微表情识别，根据客户用餐时脸部的视频中的微表情，自动、准确的获得客户用餐的最真实的评价，同时不会带来客户不良好的体验。

因此，需要提供一种基于微表情识别的客户餐饮评价自动获取方法及装置。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于微表情识别的客户餐饮评价自动获取方案，进而至少在一定程度上在不带来客户不良体验的情况下，自动、准确的获取客户用餐的评价。

根据本公开的一个方面，提供一种基于微表情识别的客户餐饮评价自动获取方法，包括：

从客户用餐位置的摄像装置获取客户用餐时的视频；

从获取的视频中提取包含客户脸部的特定大小的视频帧序列；

利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

在本公开的一种示例性实施例中，所述从获取的视频中提取包含客户脸部的特定大小的视频帧序列包括：

将获取的视频分解成连续的视频帧；

从连续的视频帧中利用人脸识别来识别包含客户脸部的视频帧，从而提取识别出的包括客户脸部的视频帧；

从客户脸部的视频帧的每一帧中截取包含人脸的特定尺寸大小的部分，剔除除人脸以外的其它部分，从而获得包含客户脸部的特定大小的视频帧序列。

在本公开的一种示例性实施例中，所述利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧包括：

利用微表情识别来从所述视频帧序列中的每一帧中，识别人脸，提取人脸预定位置的特征；

根据所述视频帧序列中相邻两帧的人脸预定位置的特征变化，识别是否有微表情变化；

提取识别出的具有微表情变化的视频帧。

在本公开的一种示例性实施例中，所述根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价包括：

获取具有微表情变化的视频帧中的人脸微表情纹理特征；

将具有微表情变化的视频帧中的人脸微表情纹理特征输入预先训练好的机器学习模型进行判断，输出客户对用餐的评价的第一判断结果；

将具有微表情变化的视频帧中的人脸微表情纹理特征与微表情库中的微表情纹理特征对比判断，输出客户对用餐的评价的第二判断结果；

根据所述第一判断结果和第二判断结果，按照预定规则得到最终评价。

在本公开的一种示例性实施例中，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价后，所述方法还包括：

利用图像识别来识别出客户用餐时食用的菜品；

获取用户对用餐时食用的一个菜品的评价。

在本公开的一种示例性实施例中，从客户用餐位置的摄像装置获取客户用餐时的视频后，所述方法还包括：

从视频中利用人像识别来获取客户的种族；

从获取的一个种族的客户的视频中提取包含客户脸部的特定大小的视频帧序列；

利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价。

在本公开的一种示例性实施例中，根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价后，所述方法包括：

获取一个种族的多个客户对用餐的评价；

根据一个种族的多个客户对用餐的评价，按照预定规则获取该种族的客户对用餐的总评价。

根据本公开的一个方面，提供一种基于微表情识别的客户餐饮评价自动获取装置，包括：

视频获取模块，用于从客户用餐位置的摄像装置获取客户用餐时的视频；

第一提取模块，用于从获取的视频中提取包含客户脸部的特定大小的视频帧序列；

第二提取模块，用于利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

评价获取模块，用于根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有基于微表情识别的客户餐饮评价自动获取程序，其特征在于，所述基于微表情识别的客户餐饮评价自动获取程序被处理器执行时实现以上所述的方法。

根据本公开的一个方面，提供一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的基于微表情识别的客户餐饮评价自动获取程序；其中，所述处理器配置为经由执行所述基于微表情识别的客户餐饮评价自动获取程序来执行以上所述的方法。

本公开一种基于微表情识别的客户餐饮评价自动获取方法及装置，首先，从客户用餐位置的摄像装置获取客户用餐时的视频；通过摄像装置可以获取客户用餐时的包含清晰面部表情的视频。然后，从获取的视频中提取包含客户脸部的特定大小的视频帧序列；通过提取包含客户脸部的特定大小的视频帧序列就可以排除视频中不包含客户脸部的视频帧和每一帧图像中人脸以外的其它部分，进而可以有效降低后续分析计算的负荷，提高计算效率的同时提高准确率。然后，利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；通过微表情识别可以识别出所有视频帧中具有微表情变化的几个视频帧，进而更进一步的降低计算分析的负荷。最后，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价，利用客户最真实的关于用餐时表现出的微表情，在不带来客户不良体验的情况下，自动、准确的获取客户用餐时的真实评价。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出一种基于微表情识别的客户餐饮评价自动获取方法的流程图。

图2示意性示出一种基于微表情识别的客户餐饮评价自动获取方法的应用场景示例图。

图3示意性示出一种根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价方法流程图。

图4示意性示出一种基于微表情识别的客户餐饮评价自动获取装置的方框图。

图5示意性示出一种用于实现上述基于微表情识别的客户餐饮评价自动获取方法的电子设备示例框图。

图6示意性示出一种用于实现上述基于微表情识别的客户餐饮评价自动获取方法的计算机可读存储介质。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。在下面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而省略所述特定细节中的一个或更多，或者可以采用其它的方法、组元、装置、步骤等。在其它情况下，不详细示出或描述公知技术方案以避免喧宾夺主而使得本公开的各方面变得模糊。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本示例实施方式中首先提供了一种基于微表情识别的客户餐饮评价自动获取方法，该基于微表情识别的客户餐饮评价自动获取可以运行于服务器，也可以运行于服务器集群或云服务器等，当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该基于微表情识别的客户餐饮评价自动获取方法可以包括以下步骤：

步骤S110，从客户用餐位置的摄像装置获取客户用餐时的视频；

步骤S120，从获取的视频中提取包含客户脸部的特定大小的视频帧序列；

步骤S130，利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

步骤S140，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

上述基于微表情识别的客户餐饮评价自动获取方法中，首先，从客户用餐位置的摄像装置获取客户用餐时的视频；通过摄像装置可以获取客户用餐时的包含清晰面部表情的视频。然后，从获取的视频中提取包含客户脸部的特定大小的视频帧序列；通过提取包含客户脸部的特定大小的视频帧序列就可以排除视频中不包含客户脸部的视频帧和每一帧图像中人脸以外的其它部分，进而可以有效降低后续分析计算的负荷，提高计算效率的同时提高准确率。然后，利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；通过微表情识别可以识别出所有视频帧中具有微表情变化的几个视频帧，进而更进一步的降低计算分析的负荷。最后，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价，利用客户最真实的关于用餐时表现出的微表情，在不带来客户不良体验的情况下，自动、准确的获取客户用餐时的真实评价。

下面，将结合附图对本示例实施方式中上述基于微表情识别的客户餐饮评价自动获取方法中的各步骤进行详细的解释以及说明。

在步骤S110中，从客户用餐位置的摄像装置获取客户用餐时的视频。

本示例的实施方式中，参考图2所示，服务器201从客户用餐的位置的摄像装置202获取客户用餐时的视频，所述视频是客户用餐时的可以清楚展示脸部表情的视频。进一步的，将摄像头采集的客户用餐的视频存储在其它具有存储功能的设备203，获取视频也可以是从其他具有存储功能的设备203，在分析时自动从该特定位置获取需要的视频，其中，采用的摄像装置是可以清晰获取客户脸部视频的。

在步骤S120中，从获取的视频中提取包含客户脸部的特定大小的视频帧序列。

本示例的实施方式中，将客户用餐的视频分解为视频帧后，从视频帧图像中识别出人脸，然后提取出包含有人脸的部分的视频帧，然后从这些包含人脸的视频帧提取出包含人脸的特定大小的部分，例如在识别出每一帧图像中的人脸后，在原有视频帧图像的大小为5*5cm的基础上裁剪出包含人脸的2*3cm的部分，然后将提取到的所有包含人脸的2*3cm的部分图像帧组成视频帧序列。这样可以排除不包含人脸的视频帧和视频帧中人脸之外的其它部分带来的在后续步骤中计算分析的负荷和误差；有效提高计算分析的效率和正确率。

本示例的一种实施方式中，从获取的视频中提取包含客户脸部的特定大小的视频帧序列包括：

将获取的视频分解成连续的视频帧；

从连续的视频帧中利用人脸识别来识别包含客户脸部的视频帧，从而提取识别出的包括客户脸部的视频帧；

从客户脸部的视频帧的每一帧中截取包含人脸的特定尺寸大小的部分，剔除除人脸以外的其它部分，从而获得包含客户脸部的特定大小的视频帧序列。

首先，视频帧就是组成视频的连续的帧，每个视频的视频帧输入时带有帧头标识，通过记录的每个帧的帧头标识作为分解依据，基于这些帧头标识将视频分解成视频帧。然后，利用现有的人脸识别技术，从视频分解得到的每一帧图像中识别包含客户脸部的部分的帧；然后提取这部分包含客户脸部的视频帧；通过摄像头采集的视频中，因为客户或者其它原因，部分视频时间段中可能没有出现人脸，同时分解后的视频帧中也不会具有人脸；这部分视频帧对于我们的分析不仅没用，还可能造成计算压力，所以需要排除这部分视频帧，提高准确率和分析效率。最后，通过摄像头采集的视频中，每一帧的画面中除了人脸部分外还包括一些背景区域，对分析计算具有较大的影响，通过剔除这部分可以减少计算压力，提高计算准确率。

在步骤S130中，利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧。

本示例的实施方式中，基于现有的AI微表情识别技术能够通过判视频帧序列中相邻两帧的人脸中特定部位的微妙的变化，识别出具有微表情变化的视频帧；然后，提取出这几个具有微表情变化的视频帧。这样可以将不具有微表情变化的视频帧，也就是对本次基于微表情的计算分析贡献度低的视频帧，剔除后可以有效提高后续步骤中计算分析的效率的准确率。

本示例的一种实施方式中，利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧包括：

利用微表情识别来从所述视频帧序列中的每一帧中，识别人脸，提取人脸预定位置的特征；

根据所述视频帧序列中相邻两帧的人脸预定位置的特征变化，识别是否有微表情变化；

提取识别出的具有微表情变化的视频帧。

首先，利用人脸识别技术从视频帧画面中识别出人脸，然后通过定位人脸的预定位置，例如每次通过人脸识别技术定位到左嘴角位置、左嘴角到嘴唇上部之间1/3位置处等微表情特征丰富的位置，将定位到的位置连接后包围的位置作为预定位置，然后提取该预定位置的纹理特征，该预定位置可以是眼睛、鼻子等微表情丰富的位置，在此不做特殊限定；然后，通过前后两帧同一预定位置处的变化，判断是否有微表情变化，如果前后两帧同一预定位置处的特征变化，则该两帧具有微表情变化，其中前后两帧同一预定位置处的特征变化可以通过将两帧图像的像素相减的到的差值超过预定阈值确定。最后，提取识别出的具有微表情变化的视频帧。这样可以通过排除其它不具有微表情变化的视频帧，从而有效降低计算负荷，提高处理效率。

在步骤S140中，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

本示例的实施方式中，通过具有微表情变化的视频帧中的微表情进行提取微表情的特征后，利用机器学习模型或者微表情特征库等进行分析，得到提取的微表情特征对应的评价类别，进而获取到客户的评价类别。微表情变化是客户真实的内心活动的体现，这样可以准确、高效、自动的获取到客户的真实评价。

本示例的一种实施方式中，参考图3所示，包括步骤S310、步骤S320、步骤S330以及步骤S340，其中：

在步骤S310中，获取具有微表情变化的视频帧中的人脸微表情纹理特征；

在步骤S320中，将具有微表情变化的视频帧中的人脸微表情纹理特征输入预先训练好的机器学习模型进行判断，输出客户对用餐的评价的第一判断结果；

在步骤S330中，将具有微表情变化的视频帧中的人脸微表情纹理特征与微表情库中的微表情纹理特征对比判断，输出客户对用餐的评价的第二判断结果；

在步骤S340中，根据所述第一判断结果和第二判断结果，按照预定规则得到最终评价。

下面对步骤S310、步骤S320、步骤S330以及步骤S340进行详细解释以及说明，首先，利用人脸识别技术从视频帧画面中识别出人脸，然后通过定位人脸的预定位置，例如每次通过人脸识别技术定位到左嘴角位置、左嘴角到嘴唇上部之间1/3位置处等微表情特征丰富的位置，将定位到的位置连接后包围的位置作为预定位置，然后提取该预定位置的纹理特征，该预定位置可以是眼睛、鼻子等微表情丰富的位置，在此不做特殊限定。

然后，将具有微表情变化的视频帧中的微表情纹理特征输入预先训练好的机器学习模型，其中，机器学习模型的训练方法是：将微表情纹理特征样本集合中已经标定为好评的客户的微表情纹理特征，折中客户的微表情纹理特征，差评的客户的微表情纹理特征输入训练机器学习模型，输出判断结果；如果输出的判断结果不准确则调整机器学习模型的系数，重新进行判断，直到输出结果与预先标定的一致；机器学习模型输出好评，折中，差评的判断结果中一种；根据每个视频帧的微表情纹理特征获取的结果，将出现次数最多的评价判断结果作为第一判断结果。

然后，将具有微表情变化的视频帧中的微表情纹理特征与微表情库中的好评的客户的微表情纹理特征，折中客户的微表情纹理特征，差评的客户的微表情纹理特征分别进行对比，输出对比结果。其中，微表情纹理特征的对比方法为：以具有微表情变化的连续的视频帧图像的左下角的像素点为原点(0,0)建立直角坐标系，每一帧图像中的像素用直角坐标系中一个点代表。(0，1)代表横坐标为0、纵坐标为1的像素，(1，0)代表横坐标为1、纵坐标为0的像素，……(m，n)代表横坐标为m、纵坐标为n的像素，其中m和n为正整数。微表情库中的图像同样处理过。然后，将每一帧图像的各个像素点的像素值分别与微表情库中相同坐标的像素的像素值相减后，将得到的该帧所有像素点的像素的差值求和，当该帧像素的差值的和小于预定阈值时说明该两种微表情相似，从而输出该相似微表情所属类别的判断结果。根据每个视频帧的微表情纹理特征获取的结果，将出现次数最多的评价判断结果作为第二判断结果。

最后，根据所述第一判断结果和第二判断结果，按照预定规则得到最终评价；例如当第一判断结果和第二判断结果相同时，判断结果作为最终评价。当两种判断方法得到的结果都为好评时确定客户评价为好评；都为折中评价时确定客户的评价为折中；都为差评时确定客户的评价为差评；当两种结果不一致时，将客户作为待定客户，通过其他方法进行判断。

综合两种分析方法使得结果更加准确。通过，两种判断方式，输出两个判断方式同一的判断结果作为最终评价结果，进而得到客户的真实评价；这样可以避免当其中一种判断的结果有误差时带来的判断结果不准确性，进而有效提高判断结果准确性。

本示例的一种实施方式中，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价后，还包括：

利用图像识别来识别出客户用餐时食用的菜品；

获取用户对用餐时食用的一个菜品的评价。

现有的图像识别技术可以根据餐厅菜品图像数据库中的菜品图像和获取的客户用餐的菜品图像对比识别出客户用餐时的菜品。这样就可以将客户本次用餐的评价具体到一个菜品，可以准确、快捷的获取客户对于某个菜品的评价。

本示例的一种实施方式中，从客户用餐位置的摄像装置获取客户用餐时的视频后，还包括：

从视频中利用人像识别来获取客户的种族；

从获取的一个种族的客户的视频中提取包含客户脸部的特定大小的视频帧序列；

利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价。

首先利用人像识别技术获取用餐客户的种族信息，不同种族的客人具有较大差异的人脸信息，可以利用人脸识别技术轻易的获取客户的种族信息。然后，利用微表情识别来从所述视频帧序列中的每一帧中，识别人脸，并提取人脸预定位置的特征，根据所述视频帧序列中相邻两帧的人脸预定位置的特征变化，识别是否有微表情变化，提取具有微表情变化的视频帧。最后，根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价。不同种族的客人的口味具有很大区别；进而，对菜品产生不同的评价。不同民族的客户具有不同的口味，可能造成的评价不够客观；根据不同的民族的客户对菜的评价综合评价有利于评价的准确性。

本示例的一种实施方式中，根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价后，还包括：

获取一个种族的多个客户对用餐的评价；

根据一个种族的多个客户对用餐的评价，按照预定规则获取该种族的客户对用餐的总评价。

首先，获取同一个种族的多个客户对于用餐的评价，然后根据该多个客户对于用餐的评价，按照预定规则获取该种族的客户对于用餐的总评价，其中，该预定规则可以是：将评价中数量最多的确定为该种族客户的总评价；这样可以避免少数特殊口味的客户带来的获取的评价的不准确性。

本公开还提供了一种基于微表情识别的客户餐饮评价自动获取装置。参考图4所示，该基于微表情识别的客户餐饮评价自动获取装置可以包括视频获取模块410、第一提取模块420、第二提取模块430以及评价获取模块440。其中：

视频获取模块410可以用于从客户用餐位置的摄像装置获取客户用餐时的视频。

第一提取模块420可以用于从获取的视频中提取包含客户脸部的特定大小的视频帧序列。

第二提取模块430可以用于利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧。

评价获取模块440可以用于根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

上述基于微表情识别的客户餐饮评价自动获取装置中各模块的具体细节已经在对应的基于微表情识别的客户餐饮评价自动获取方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图5来描述根据本发明的这种实施方式的电子设备500。图5显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：上述至少一个处理单元510、上述至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1中所示的步骤S110：从客户用餐位置的摄像装置获取客户用餐时的视频；S120：从获取的视频中提取包含客户脸部的特定大小的视频帧序列；步骤S130：利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；步骤S140：根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。

存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器560通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品600，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到客户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。

Claims (10)

1.一种基于微表情识别的客户餐饮评价自动获取方法，其特征在于，包括：

从客户用餐位置的摄像装置获取客户用餐时的视频；

从获取的视频中提取包含客户脸部的特定大小的视频帧序列；

利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

2.根据权利要求1所述的方法，其特征在于，所述从获取的视频中提取包含客户脸部的特定大小的视频帧序列包括：

将获取的视频分解成连续的视频帧；

从连续的视频帧中利用人脸识别来识别包含客户脸部的视频帧，从而提取识别出的包括客户脸部的视频帧；

从客户脸部的视频帧的每一帧中截取包含人脸的特定尺寸大小的部分，剔除除人脸以外的其它部分，从而获得包含客户脸部的特定大小的视频帧序列。

3.根据权利要求1所述的方法，其特征在于，所述利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧包括：

利用微表情识别来从所述视频帧序列中的每一帧中，识别人脸，提取人脸预定位置的特征；

根据所述视频帧序列中相邻两帧的人脸预定位置的特征变化，识别是否有微表情变化；

提取识别出的具有微表情变化的视频帧。

4.根据权利要求1所述的方法，其特征在于，所述根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价包括：

获取具有微表情变化的视频帧中的人脸微表情纹理特征；

将具有微表情变化的视频帧中的人脸微表情纹理特征输入预先训练好的机器学习模型进行判断，输出客户对用餐的评价的第一判断结果；

将具有微表情变化的视频帧中的人脸微表情纹理特征与微表情库中的微表情纹理特征对比判断，输出客户对用餐的评价的第二判断结果；

根据所述第一判断结果和第二判断结果，按照预定规则得到最终评价。

5.根据权利要求1所述的方法，其特征在于，根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价后，所述方法还包括：

利用图像识别来识别出客户用餐时食用的菜品；

获取用户对用餐时食用的一个菜品的评价。

6.根据权利要求1所述的方法，其特征在于，从客户用餐位置的摄像装置获取客户用餐时的视频后，所述方法还包括：

从视频中利用人像识别来获取客户的种族；

从获取的一个种族的客户的视频中提取包含客户脸部的特定大小的视频帧序列；

利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价。

7.根据权利要求6所述的方法，其特征在于，根据具有微表情变化的视频帧中的微表情获取一个种族的客户对用餐的评价后，所述方法包括：

获取一个种族的多个客户对用餐的评价；

根据一个种族的多个客户对用餐的评价，按照预定规则获取该种族的客户对用餐的总评价。

8.一种基于微表情识别的客户餐饮评价自动获取装置，其特征在于，包括：

视频获取模块，用于从客户用餐位置的摄像装置获取客户用餐时的视频；

第一提取模块，用于从获取的视频中提取包含客户脸部的特定大小的视频帧序列；

第二提取模块，用于利用微表情识别来从所述视频帧序列中，提取具有微表情变化的视频帧；

评价获取模块，用于根据具有微表情变化的视频帧中的微表情获取客户对用餐的评价。

9.一种计算机可读存储介质，其上存储有基于微表情识别的客户餐饮评价自动获取程序，其特征在于，所述基于微表情识别的客户餐饮评价自动获取程序被处理器执行时实现权利要求1-7任一项所述的方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的基于微表情识别的客户餐饮评价自动获取程序；其中，所述处理器配置为经由执行所述基于微表情识别的客户餐饮评价自动获取程序来执行权利要求1-7任一项所述的方法。